NVIDIA تساعد شركات الاتصالات على نشر مصانع ذكاء اصطناعي سيادية مع Token-Metering

تنتقل شركات الاتصالات في جميع أنحاء العالم إلى نشر مصانع الذكاء الاصطناعي السيادة الخاصة بها بناءً على معمارية NVIDIA Cloud Partner (NCP). يوفر هذا للحكومات والشركات الكبرى والشركات الناشئة الوصول إلى البنية الأساسية للذكاء الاصطناعي عالي الأداء التي تبقى بالكامل داخل البلد وتتوافق مع متطلبات الأمان والتحكم المحلية.

لماذا البنية الأساسية المحلية هي المعيار الجديد

يتردد الدول والشركات الكبيرة منذ فترة طويلة في إرسال البيانات الحرجة إلى خوادم موفري السحابة الأجانب. يشمل هذا المعلومات الشخصية والبيانات المالية والأسرار الحكومية — يجب أن تبقى كل هذه تحت السيطرة المحلية. اتخذت مشغلات الاتصالات، التي تمتلك بالفعل بنية أساسية فيزيائية متطورة وثقة المنظمين وثقة المستخدمين النهائيين، خطوة نحو إنشاء مراكز الذكاء الاصطناعي الخاصة بها. توفر NVIDIA Cloud Partner لهم معمارية جاهزة: من الأجهزة (GPU، CPU) إلى مجموعة البرامج (CUDA، أطر عمل التعلم الآلي، إدارة النماذج). النتيجة واضحة: تبقى قوة الذكاء الاصطناعي تحت سيطرة السلطات والشركات المحلية، مع الحصول على إمكانية الوصول إلى جميع التقنيات المتطورة والتحسينات التي تطورها NVIDIA.

كيف يحول قياس الرموز الذكاء الاصطناعي إلى خدمة

نشر البنية الأساسية بسيط ليس كافياً. يجب أيضاً تحويله إلى خدمة مربحة وقابلة للتوسع. هنا يأتي دور قياس الرموز — نظام للتتبع التفصيلي لاستخدام الذكاء الاصطناعي. بدلاً من مجرد منح المستخدمين المختلفين الوصول إلى نموذج واحد، يقوم النظام بتتبع:

• عدد الرموز التي تمت معالجتها من قبل كل منظمة خلال فترة
• نوع وحجم النموذج المستخدم (النماذج الكبيرة تكلف أكثر لكل رمز)
• وقت المعالجة ووحدة معالجة الرسوميات المستخدمة وحجم الذاكرة
• تقييد الوصول التلقائي عند استنفاد الحصة أو الميزانية
• تسعير ديناميكي يعتمد على الحمل ووقت الاستخدام

يحول هذا النهج البنية الأساسية للذكاء الاصطناعي من صندوق أسود إلى أداة مالية مفهومة. يمكن للشركة أن ترى كم تكلف كل طلب، وحساب العائد على الاستثمار لمشاريع الذكاء الاصطناعي الخاصة بها، وتوزيع الموارد بشكل عادل بين الأقسام.

الطريق نحو الخدمات عالية الهامش

البنية الأساسية ليست سوى الأساس. لإنشاء خدمات ذكاء اصطناعي مؤسسية مربحة حقاً، يجب حل تحديات أكثر تعقيداً. كيف تختار حجم النموذج المناسب؟ النماذج الصغيرة (على سبيل المثال، 7B معامل) تعمل بسرعة وبتكلفة منخفضة، لكنها أقل دقة. النماذج الضخمة (100B+ معامل) أقوى وأكثر دقة، لكنها تتطلب موارد حسابية أكثر وتكلف أكثر بكثير. أضف إلى ذلك سير عمل التفكير: عندما يحل النموذج مهام معقدة خطوة بخطوة، تزداد الحسابات بشكل أكبر، وترتفع التكاليف، لكن الدقة تتحسن. يتيح قياس الرموز لكل عميل الاختيار من بين التوازن الأمثل: الدفع فقط مقابل ما يستخدمه واختيار النماذج بناءً على مهامه وميزانيته.

ماذا يعني هذا

تتوقف مصانع الذكاء الاصطناعي السيادية عن كونها تجربة وتصبح واقعاً. تجد شركات الاتصالات مصدر دخل جديد من خلال نشر البنية الأساسية للذكاء الاصطناعي للسوق المحلية. تحصل الدول والمؤسسات على ما طالبت به لفترة طويلة: السيطرة المحلية على التكنولوجيا، دون الحاجة إلى إرسال البيانات الحرجة إلى الخارج. تساعد NVIDIA، بمساعدة قياس الرموز، جميع الأطراف: تحول الذكاء الاصطناعي من نفقات رأسمالية لمرة واحدة إلى خدمة تشغيلية مستمرة وقابلة للتنبؤ.